Numerik - Formelsammlung Jan-Cornelius Molnar, Version: 8. Juli 2009 16:13 1 Darstellung von Zahlen Zahlen lassen sich als b-a-dische Brüche darstellen, ±an an−1 . . . a0 = b n X aj bj , b ∈ {2, 3, . . .} , aj ∈ 0, 1, . . . , b − 1. j=0 Reelle Zahlen stellen wir als Fließkommzahlen dar ±a0 a1 . . . an E ±cm cm−1 . . . c0 = b | {z } | {z } Mautisse m P cj bj , a0 ≠ 0. j=0 z ∈ R, z̃Approximation. Der relative Fehler ist gegeben durch, eR = aj b−j bn=0 Der absolute Fehler ist gegeben durch, eA = |z − z̃| , Exponent n X |z − z̃| , |z| z ∈ R, z̃Approximation. |δx+δy | Addition eA = δx + δy ≤ |δx| + δy , eR = x+y . | | Multiplikation eA = x · y + x · δy + δx · y + δx · δy − x · y = x · δy + δx · y + δx · δy δy x · δy + δx · y + δx · δy δy |δx| |δx| + eR = ≤ + xy y |x| |x| Funktionsauswertung eA = f 0 (x) |δx| 0 |δx| f (x) |x| eR = f (x) . |x| 1 δy . y Numerische Differentiation 0 f (x) − f (x + h) − f (x) = |h| f 00 (ξ) , h 2 h 3ε eA ≤ Cf 00 + + ε. 2 h Minimal für h = r 6ε Cf 00 q , eAmin = 2εCf 00 . 2 LGS Im Folgenden sei stets A ∈ Rn×n , b ∈ Rn . Die LU-Zerlegung, u1,1 l 2,1 (L/U) = . .. ··· .. . ln,1 ··· .. . u1,n . . . un,n ln,n−1 A heißt positiv definit, falls hx, Axi ≥ 0, ∀ x ∈ Rn . Spaltenmaximumsstrategie. Wähle p so, dass api ≥ aji , ∀ j ≥ i. Relatives Spaltenmaximum Strategie. Wähle p so, dass P |api | maximal ist. |apj | Pn j=1 aij . A heißt streng diagonaldominant, falls |aii | > Eine Abbildung k·k : Rn → R heißt Norm, falls positiv Definit, homogen und Dreiecksun- j≠i gleich. Seien k·kn und k·km Normen, die M Matrixnorm ist gegeben durch, kAkn,m := max x ∈ Rm kAxkn . x ≠ 0 kxkm Sei A ∈ Rn×n invertierbar. κ(A) = A−1 kAk heißt Konditionszahl bzgl. k·k. 2 2.1 Sätze Allgemein A positiv definit ⇒ Jede HU-Matrix Am ist positiv definit. A regulär ⇒ Jede HU-Matrix Am ist regulär. Vertauschen von Spalten oder Zeilen allein zerstört im Allgemeinen Regularität bzw. Sym- metrie. 2.2 Sätze LU A = LU existiert a alle HU-Matritzen sind regulär. Sei A streng diagonaldominant, dann ist auch A(k) als Matrix nach k − 1 Schritten diago- naldominant. Sei A streng diagonaldominant, dann ist die LU-Zerlegung ohne Pivotisierung anwendbar und die rel. Spaltenmaximumsstrategie liefert das aktuelle Element als Pivotelement. 2.3 Beispiele für Matrixnormen (a) Die Matrixnorm zur k·k1 -Norm heißt Spaltensummennorm, kAk1 := max j=1,...,m n X aij . i=1 (b) Die Matrixnorm zur k·k∞ -Norm heißt Zeilensummennorm, kAk∞ := max i=1,...,n m X aij . j=1 (c) Die Matrixnorm zur k·k2 -Norm heißt Spektralnorm, kAk2 = max q q |λ| : λ ist Eigenwert von A> A = kA> Ak2 . 3 2.4 Sätze für Matrixnormen Ist A ∈ Rn×n symmetrisch, so ist kAk2 = max {|λA |}, sonst kAk2 = max np o |λA> A | . Sei A invertierbar und λ EW von A, dann ist λ1 EW von A−1 . n×n Seien A, B ∈ R , A invertierbar und A−1 kBk < 1 für eine Norm. Dann ist A + B invertierbar und (A + B)−1 = −1 A . 1 − kA−1 k kBk Sei A ∈ Rn×n invertierbar, 0 ≠ b ∈ Rn und A−1 ∆A < 1. Dann gilt für x̃ = x + ∆x, k∆xk κ(A) ≤ kxk 1 − κ(A) k∆Ak kAk k∆bk k∆Ak + . kbk kAk 2.5 Cholesky Zerlegung Sei A ∈ Rn×n symmetrisch und positiv definit, dann existiert die Cholesky-Zerlegung A = LL> , mit einer linken unteren Dreiecksmatrix L. 3 Interpolation Den Raum der Polynome vom Grad ≤ n bezeichnen wir mit Pn . Lagrangeinterpolation zu (xi , yi ), i = 0, . . . , n n X p(x) = yi Lj (x) j=0 Qn k=0 n≠j Lj (x) = Qn k=0 k≠j (x − xk ) (xj − xk ) , Lj (xi ) = δij . Newtoninterpolation zu (xi , yi ), i = 0, . . . , n n X p(x) = aj qj (x), j=0 j−1 qj (x) = Y (x − xk ), j = 0, . . . , n. k=0 4 Sei pi,j ∈ Pj das Interpolationspolynom zu (xk , yk ) k = i, . . . , i + j. Dann gilt für j ≥ 1 pi,j = (x − xi )pi+1,j−1 (x) − (x − xi+j )pi,j−1 (x) . xi+j − xi (1) Formel der dividierten Differenzen Für p(x) = c0 +c1 (x −x0 )+. . .+cn (x −x0 ) · · · (x − xn−1 ), ci,j = ci+1,j−1 − ci,j−1 , xi+j − xi mit ck = c0,k und ci,0 = yi . 3.1 Sätze Lagrangeinterpolation Seien (xi , yi ) ∈ R2 , xi paarwweise verschieden. Dann hat, finde p ∈ Pn mit p(xi ) = yi genau eine Lösung. 3.2 Approximationseigenschaften Sei p ∈ Pn Interpolationspolynom mit p(xi ) = f (xi ), i = 0, . . . , n, xi paarweise verschie- den, f ∈ Cn+1 (R). Dann gilt p(x) − f (x) = 1 (n+1) f (ξ)(x − x0 )(x − x1 ) · · · (x − xn ) . (n + 1)! 4 Numerische Integration Eine Quadraturformel zu den Stützstellen xi und den Gewichten ωi ist gegeben durch, Q(f ) = n X ωi f (xi ). i=0 Lagrangedarstellung Q(f ) = n X ωi f (xi ), i=0 ωi = Zb Y n a j=0 j≠i x − xj dx. xi − xj 5 Abgeschlossenen Newton-Cotes-Formeln x0 = a, xn = b, Zusammengesetzte Trapezregel i = 0, . . . , m y m Zi X Zb f (x) dx = h= b−a , m f (x) dx = . . . . i=1 yi−1 a Zusammengesetzte Simpsonregel yi = a + 2ih, Zb f (x) dx = i = 0, . . . , y m Zi X m 2 h= b−a , m f (x) dx = . . . . i=1 yi−1 a Q heißt symmetrisch, falls xm−j − xj = a + b, und ωm−j = ωj , b−a . h h 2i − 1 b−a h , xn = b − , x i = a + h, h = . 2 2 2 n yi = a + ih, h= Offene Newton-Cotes-Formeln x1 = a + xi = a + i · h, Q heißt exakt auf Pm , falls Rb a j = 0, . . . , m. p(x) dx = Q(p), ∀ p ∈ Pm . 4.1 Sätze Sei Q exakt auf Pm . Dann gilt für f ∈ C m+1 ([a, b]) Zb m Zb Y 1 (m+1) f (x) dx − Q(f ) ≤ f (x − xj ) dx. ∞ (m + 1)! a a j=0 Eine symmetrische Quadraturformel die auf P2l , exakt. Eine Newton-Cotes-Formel m X Q(f ) = ωi f (xi ), i=0 der Stufe m ist 6 Ï l ∈ N0 exakt ist, ist auch auf P2l+1 (i) symmetrisch, Pm , für m ungerade, (ii) exakt auf Pm+1 , für m gerade. Sei Q eine auf Pk exakte Integrationsformel für [a, b]. Dann gilt für f ∈ C k+1 ([a, b]) Zb Zb f (x) dx = Q(f ) − K(t)f (k+1) (t) dt , a a Zb m 1 X k k K(t) = ωi (xi − t)+ − (x − t)+ dx k! i=0 a b m Z 1 X = Q x , (x − t)k+ − (x − t)k+ dx k! i=0 a 5 Algorithmen Im Folgenden sei stets A ∈ Rn×n , b ∈ Rn . Gauß-Elimination Ax = b. Für i = 1 . . . n − 1 (Spalten) Für j = i + 1, . . . , n (Zeilen) aij lij = aii Für j = i + 1, . . . , n ajk = ajk − lji · aik bj = bj + lji bi Aufwand MulDiv ≈ 1 3 n 3 + O(n2 ). b ann Für j = n − 1, n − 2, . . . , 1 Rückwertsauflösen. xn = xj = n X 1 bj − ajk xk aji k=j+1 Aufwand MulDiv 1 (n2 2 + n). LU-Zerlegung A = LU . 7 Für i = 1, . . . , n − 1 Für j = i + 1, . . . , n aji aji = aii Für k = i + 1, . . . , n ajk = ajk − aji · aik Aufwand MulDiv = 1 3 n 3 1 − 3 n. Vorwärtsauflösen. y1 = b 1 Für i = 2, . . . , n yi = bi − i−1 P aij yj j=1 Rückwärtsauflösen. xn = yn ann Für i = n − 1, . . . , 1 xi = Aufwand (n−1)n 2 1 aii + n P yi − ! aij xj j=i+1 n(n+1) 2 ≈ n2 . LU-Zerlegung A = P LU mit Pivotisierung Für i = 1, . . . , n − 1. Bestimme einen Pivot-Index pi ∈ {i, . . . , n}. Falls pi ≠ i: Vertausche Zeilen i, p (*) Für j = i + 1, . . . , n aji aji = aii Für k = i + 1, . . . , n ajk = ajk − aji aik Bandmatritzen. Aufwand ≈ nm1 m2 . Cholesky Zerlegung. 8 l11 = √ a11 Für i = 2, . . . , n Für j = 1, . . . , i − 1 ! j−1 P 1 lij = lik ljk aij − ljj k=1 v u i−1 P 2 t lik . lii = aii − k=1 Aufwand n Wurzeln + 1 3 n 6 + O(n2 ) MulDiv ≈ 1 3 n . 6 Newton-Interpolation. Für i = 0, . . . , n ci = yi Für j = 1, . . . , n Für i = n, n − 1, . . . , j ci − ci−1 ci = xi − xi−j Aufwand MulDiv n(n−1) . 2 Horner Schema p(x) = . . . (cn (x − xn−1 ) + cn−1 ) (x − xn−2 ) + . . . p = cn Für k = n − 1, n − 2, . . . , 0 p = p(x − xk ) + ck Aufwand MulDiv n. 9 + c0 .